Motif 3 API
ID модели в запросах:global-1/motif-technologies/motif-3
Motif 3 от Motif Technologies через один OpenAI-совместимый API Nodul Router: ключ с лимитами, журнал запросов, оплата в рублях.
- Контекст
- 262 144
- Макс. ответ
- 235 929
- Выпущена
- 02.11.2026
Цены за 1 млн токенов, ₽Цены за 1 млн токенов, PnP
| Регион | Попробовать | Вход | Выход | Чтение кэша | ID модели в запросах |
|---|---|---|---|---|---|
| Глобальный · global-1 | Попробовать | 33,00 ₽0,33 PnP | 132 ₽1,32 PnP | 6,60 ₽0,07 PnP | global-1/motif-technologies/motif-3 |
Цены розничные, без НДС (5 %). Для компаний — персональные цены по договору: чем больше объем, тем ниже цена.Узнать свою цену
Цены со скидкой по ссылке партнера, без НДС (5 %). Зарегистрироваться
Цены со скидкой вашей компании, без НДС (5 %).Ваши условия
Быстрый старт
curl https://router.nodul.ru/api/v1/chat/completions \ -H "Authorization: Bearer $NODUL_ROUTER_API_KEY" \ -H "Content-Type: application/json" \ -d '{ "model": "global-1/motif-technologies/motif-3", "messages": [{"role":"user","content":"Hello!"}] }'
import os from openai import OpenAI client = OpenAI( base_url="https://router.nodul.ru/api/v1", api_key=os.environ["NODUL_ROUTER_API_KEY"], ) response = client.chat.completions.create( model="global-1/motif-technologies/motif-3", messages=[{"role": "user", "content": "Hello!"}], ) print(response.choices[0].message.content) print("cost, PnP:", response.usage.model_extra.get("cost"))
import OpenAI from "openai"; const client = new OpenAI({ baseURL: "https://router.nodul.ru/api/v1", apiKey: process.env.NODUL_ROUTER_API_KEY, }); const response = await client.chat.completions.create({ model: "global-1/motif-technologies/motif-3", messages: [{ role: "user", content: "Hello!" }], }); console.log(response.choices[0].message.content); console.log("cost, PnP:", response.usage?.cost);
package main import ( "bytes" "encoding/json" "fmt" "net/http" "os" ) func main() { body := []byte(`{"model":"global-1/motif-technologies/motif-3","messages":[{"role":"user","content":"Hello!"}]}`) req, _ := http.NewRequest("POST", "https://router.nodul.ru/api/v1/chat/completions", bytes.NewReader(body)) req.Header.Set("Authorization", "Bearer "+os.Getenv("NODUL_ROUTER_API_KEY")) req.Header.Set("Content-Type", "application/json") resp, err := http.DefaultClient.Do(req) if err != nil { panic(err) } defer resp.Body.Close() if resp.StatusCode != http.StatusOK { var e struct{ Error struct{ Message string } } _ = json.NewDecoder(resp.Body).Decode(&e) fmt.Fprintln(os.Stderr, resp.Status, e.Error.Message) os.Exit(1) } var out struct { Choices []struct{ Message struct{ Content string } } Usage struct{ Cost json.Number } } if err := json.NewDecoder(resp.Body).Decode(&out); err != nil { panic(err) } fmt.Println(out.Choices[0].Message.Content) fmt.Println("cost, PnP:", out.Usage.Cost) }
<?php $body = '{"model":"global-1/motif-technologies/motif-3","messages":[{"role":"user","content":"Hello!"}]}'; $ch = curl_init('https://router.nodul.ru/api/v1/chat/completions'); curl_setopt_array($ch, [ CURLOPT_POST => true, CURLOPT_HTTPHEADER => [ 'Authorization: Bearer ' . getenv('NODUL_ROUTER_API_KEY'), 'Content-Type: application/json', ], CURLOPT_POSTFIELDS => $body, CURLOPT_RETURNTRANSFER => true, ]); $response = json_decode(curl_exec($ch), true); if (curl_getinfo($ch, CURLINFO_HTTP_CODE) !== 200) { fwrite(STDERR, $response['error']['message'] ?? 'request failed'); exit(1); } echo $response['choices'][0]['message']['content'], PHP_EOL; echo 'cost, PnP: ', $response['usage']['cost'], PHP_EOL;
Описание
Motif 3 от корейской Motif Technologies — открытая MoE-модель на 314 млрд параметров, из которых на токен задействовано 13,2 млрд. Универсальная, с упором на английский и корейский, особенно заметна в агентных задачах и работе в терминале. Принимает текст.
Для чего подходит Motif 3
Разработчик позиционирует модель как универсальную: рассуждения, код, математика, длинные документы, следование инструкциям. Сильнее всего она выглядит на агентных тестах: по данным разработчика, на Terminal-Bench 2.1 она идет вровень с Qwen 3.7 Max (74,9 против 75,0), а на банковском сценарии τ³-Banking опережает все модели из его сравнительной таблицы. Это хороший кандидат для автоматизации в терминале и сценариев «клиент и служба поддержки», где модель ведет диалог по многим шагам.
На входе только текст: картинки, аудио и видео не принимаются.
Не стоит брать Motif 3 для самых трудных научных и олимпиадных задач: на GPQA Diamond и CritPt она заметно отстает от лидеров своей таблицы. Разработчик выделяет английский и корейский языки, а данных о качестве на русском в источниках нет, поэтому его стоит проверить на своих запросах.
Если вам нужна открытая модель для работы в терминале и многошаговых диалогов, Motif 3 стоит включить в сравнение вместе с GLM, Kimi и DeepSeek.
По данным разработчика, обучение шло примерно на 12,5 трлн токенов: веб, наука, код, математика и многоязычные тексты, с дополнительным упором на корейский язык, рассуждения, юридические и финансовые данные. После этого несколько специализированных учителей, обученных с подкреплением, объединили в одну модель методом многоучительской дистилляции на собственных ответах.
Сильные стороны
- Агентная работа и терминал. По данным разработчика, на Terminal-Bench 2.1 модель набирает 74,9%, а на τ³-Banking 35,3 против 30,1 у ближайшего конкурента из его таблицы.
- Небольшой активный объем. Из 384 экспертов на каждый токен срабатывают 8 плюс один общий, поэтому на каждый токен задействовано 13,2 млрд параметров.
- Осторожность вместо выдумок. На AA-Omniscience, по данным разработчика, показатель «не галлюцинирует» у нее 71,6: это выше, чем у GLM-5.1 и Kimi-K2.6, но ниже, чем у MiniMax-3 (81,6). Разработчик говорит об осторожности модели: она воздерживается, когда не уверена.
- Открытые веса и лицензия MIT. Веса, техотчет и пример обучающего кода опубликованы, так что модель можно развернуть у себя.
- Встроенная самоспекулятивная генерация. Модель содержит MTP-голову, которая ускоряет вывод на собственном сервере.
Ограничения и спорные моменты
- Часть результатов слабее конкурентов. По данным разработчика, на GPQA Diamond у нее 83,4 против 92,9 у MiniMax-3, а на CritPt 6,6 против 12,9 у DeepSeek V4 Pro.
- Нет вызова инструментов через Router. Разработчик пишет о сильном использовании инструментов, но в нашем каталоге у модели указаны структурированный вывод, рассуждения и потоковая выдача, а вызов инструментов не значится. Для агентов с функциями это нужно проверить до выбора.
- Только текст. Входные изображения не поддерживаются.
- Не лидер по знаниям. На OmniScience по точности у нее 30,1 против 42,9 у DeepSeek V4 Pro, а на SciCode 40,6 против 53,5 у Kimi-K2.6 и Qwen-3.7 Max: для справочных и научно-кодовых задач есть варианты сильнее.
- Цифры от самого разработчика. Все числа в таблице ниже взяты из карточки модели Motif; цифры конкурентов разработчик сам собрал с лидербордов, а не измерил заново, поэтому условия запуска могут различаться. Результаты IFBench и Terminal-Bench 2.1 в карточке помечены как добавленные сообществом, а для IFBench на Hugging Face указано, что число самоопубликованное и не проверено.
- Свежая модель. Независимых обзоров пока мало, и единственный найденный внешний текст написан партнером по данным (AfterQuery), то есть заинтересованной стороной.
Бенчмарки
Все значения Motif 3 указаны по данным разработчика (карточка модели, август 2026); цифры конкурентов в скобках разработчик сам собрал с лидербордов для сравнительной таблицы.
| Тест | Результат | Источник | Дата |
|---|---|---|---|
| SWE-Bench Verified | 76,2 (GLM-5.1: 76,4; Kimi-K2.6: 76,2; Qwen-3.7 Max: 80,4) | Hugging Face | авг. 2026 |
| Terminal-Bench 2.1 | 74,9 (Qwen-3.7 Max: 75,0; DeepSeek V4 Pro: 64,0) | Hugging Face | авг. 2026 |
| τ²-Bench Telecom | 94,7 (GLM-5.1: 97,7; DeepSeek V4 Pro: 96,2) | Hugging Face | авг. 2026 |
| τ³-Banking | 35,3 (DeepSeek V4 Pro: 30,1; Kimi-K2.6: 23,3) | Hugging Face | авг. 2026 |
| GPQA Diamond | 83,4 (MiniMax-3: 92,9; GLM-5.1: 86,8) | Hugging Face | авг. 2026 |
| Humanity's Last Exam | 37,0 (Kimi-K2.6: 37,5; GLM-5.1: 30,1) | Hugging Face | авг. 2026 |
| AA-LCR (длинный контекст) | 72,3 (MiniMax-3: 80,3; Kimi-K2.6: 76,7) | Hugging Face | авг. 2026 |
| IFBench | 78,2 (MiniMax-3: 82,9; GLM-5.1: 76,3) | Hugging Face | авг. 2026 |
Альтернативы в каталоге
- GLM 5.1: открытая модель для долгих агентных задач по коду; в таблице Motif он выше на τ²-Bench Telecom и GPQA Diamond.
- Kimi K2.6: принимает еще и изображения, сильнее на научных тестах вроде GPQA Diamond.
- DeepSeek V4 Pro: крупная модель с вызовом инструментов, лучше на CritPt и OmniScience по точности.
- GigaChat 3.5 Reasoning: модель региона Россия, если важен русский язык.
Частые вопросы
Подходит ли Motif 3 для агентов с вызовом функций?
Разработчик заявляет сильные агентные результаты, но в нашем каталоге вызов инструментов у модели не указан. Если агенту обязательны функции, возьмите GLM 5.1 или DeepSeek V4 Pro.
Принимает ли Motif 3 изображения?
Нет, вход только текстовый. Для картинок смотрите Kimi K2.6.
Можно ли запустить Motif 3 у себя?
Да. Веса опубликованы под лицензией MIT, а разработчик поддерживает публичную сборку vLLM. Тестировали ее на GPU B200 и H200, то есть нужна серьезная серверная мощность.
Хорошо ли она знает русский?
Разработчик отдельно выделяет английский и корейский языки. Данных о качестве на русском в источниках нет, поэтому проверяйте на своих запросах.
Чем она лучше DeepSeek V4 Pro?
По данным разработчика, на Terminal-Bench 2.1 и τ³-Banking она выше, но на CritPt и точности OmniScience уступает.
Источники
Все параметры API · 15
frequency_penaltyinclude_reasoninglogprobsmax_tokenspresence_penaltyreasoningrepetition_penaltyresponse_formatstructured_outputstemperaturetool_choicetoolstop_ktop_logprobstop_p

